(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210612915.2 (22)申请日 2022.05.31 (71)申请人 西安航天动力研究所 地址 710100 陕西省西安市航天基地飞 天 路289号 (72)发明人 杜飞平　谭永华　马猛　陈雪峰　 (74)专利代理 机构 北京知迪知识产权代理有限 公司 11628 专利代理师 王胜利 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/25(2022.01)G06V 10/82(2022.01) (54)发明名称 一种视频监控异常检测方法、 装置及设备 (57)摘要 本发明公开一种视频监控异常检测方法、 装 置及设备， 本发明涉及模型识别领域， 用于解决 现有技术中对于视频监控异常检测效率低以及 检测进度低的问题。 包括： 获取液体火箭发动机 地面热试车过程中的视频图像数据； 将视频图像 数据输入训练完成的YOL Ov5模型中， 识别所述视 频图像数据中是否包含火焰图像； 当视频图像数 据中包含火焰图像时， 确定火焰的位置信息； 基 于位置信息， 生成火焰故障报警信息。 通过加入 一个改进的CA注意力机制来改进YOLOv5体系结 构， 且采用Leak yRlue函数作为激活函数， 检测视 频中特定帧中的火焰目标， 具有更快的收敛速 度， 可以得到置信度更高的检测结果， 液体火箭 发动机地面热试车中， 能够在出现火灾故障时发 出瞬时报警信号。 权利要求书2页 说明书11页 附图3页 CN 114898273 A 2022.08.12 CN 114898273 A 1.一种视频监控异常检测方法， 其特 征在于， 所述方法包括： 获取液体火箭发动机地 面热试车过程中的视频图像数据； 将所述视频图像数据输入训练完成的YOLOv5模型中， 识别所述视频图像数据中是否包 含火焰图像， 得到识别结果； 训练完成的YOLOv5模 型使用CA注 意力机制， 且 所述CA注 意力机 制使用的激活函数为 LeakyRlue函数； 当所述识别结果表示所述视频图像数据中包含火焰图像时， 确定火焰的位置信息； 所 述火焰图像中的火焰像素之间存在空间维度上的联系； 基于所述 位置信息， 生成火焰故障报警信息 。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述视频图像数据输入训练完成的 YOLOv5模型中， 识别所述视频图像数据中是否包 含火焰图像， 得到识别结果， 具体包括： 基于所述CA 注意力机制将所述视频图像数据进行 预处理， 得到特 征向量； 将所述特 征向量拆分为宽度方向以及高度方向两个维度的一维特 征向量。 3.根据权利要求2所述的方法， 其特 征在于， 所述YOLOv5模型至少包括： 输入层、 残差层、 卷积层、 全连接层以及输出层； 其中， 所述输入层接收所述视频图像数据； 所述卷积层用于对所述视频图像数据进行特征向量的提取； 所述卷积层的卷积核大小 为7； 所述全连接层中进行权重更新， 得到液体火箭发动机地面热试车过程中的视频对应的 火焰特征向量； 所述输出层用于根据所述火焰特 征向量输出火焰检测结果。 4.根据权利要求3所述的方法， 其特征在于， 所述将所述特征向量拆分为宽度方向以及 高度方向两个维度的一维特 征向量之前， 还 包括： 所述残差层中采用平均池化以及全局最大池化， 补偿所述CA注意力 机制的全局空间信 息。 5.根据权利要求4所述的方法， 其特征在于， 所述残差层在进行平均池化时， 对宽度方 向的一维特 征向量以及高度方向上的一维特 征向量进行池化。 6.根据权利要求1所述的方法， 其特征在于， 所述将所述视频图像数据输入训练完成的 YOLOv5模型中之前， 还 包括： 获取训练样本集合以及验证样本集合； 所述训练样本集合以及所述验证样本集合中的 每一张图像中均至少包括 一个火焰目标； 将所述训练样本集 合输入初始YOLOv5模型中， 得到初步训练结果； 将所述初步训练结果与所述验证样本集 合进行比对， 得到比对结果； 基于所述比对结果对所述初始YOLOv5模型中的训练参数进行调整， 直至所述比对结果 满足预设要求 为止， 得到训练完成的YOLOv5模型。 7.根据权利要求1所述的方法， 其特征在于， 所述基于所述位置信息， 生成火焰故障报 警信息， 具体包括： 基于所述 位置信息， 确定火焰位置； 基于所述火焰位置以及火焰大小， 确定故障等级； 基于所述故障等级， 生成火焰故障报警信息， 所述火焰故障报警信息中至少包含故障权　利　要　求　书 1/2 页 2 CN 114898273 A 2等级以及火焰位置信息 。 8.一种视频监控异常检测装置， 其特 征在于， 包括： 视频图像数据获取模块， 用于获取液体火箭发动机地面热试车过程中的视频图像数 据； 识别模块， 用于将所述视频图像数据输入训练完成的YOLOv5模型中， 识别所述视频图 像数据中是否包含火焰图像， 得到识别结果； 训练完成的Y OLOv5模型使用CA注 意力机制， 且 所述CA注意力机制使用的激活函数为 LeakyRlue函数； 火焰位置信 息确定模块， 用于当所述识别结果表示所述视频图像数据中包含火焰图像 时， 确定火焰的位置信息； 所述火焰图像中的火焰像素之间存在空间维度上的联系； 火焰故障报警信息生成模块， 用于基于所述 位置信息， 生成火焰故障报警信息 。 9.一种视频监控异常检测设备， 其特 征在于， 包括： 通信单元/通信接口， 用于获取 液体火箭发动机地 面热试车过程中的视频图像数据； 处理单元/处理器， 用于将所述视频图像数据输入训练完成的YOLOv5模型中， 识别所述 视频图像数据中是否包含火焰图像， 得到识别 结果； 训练完成的YOLOv5模型使用CA注意力 机制， 且所述CA 注意力机制使用的激活函数为 LeakyRlue函数； 当所述识别结果表示所述视频图像数据中包含火焰图像时， 确定火焰的位置信息； 所 述火焰图像中的火焰像素之间存在空间维度上的联系； 基于所述 位置信息， 生成火焰故障报警信息 。 10.一种计算机存储介质， 其特征在于， 所述计算机存储介质中存储有指令， 当所述指 令被运行时， 实现权利要求1～7任一项所述的视频监控异常检测方法。权　利　要　求　书 2/2 页 3 CN 114898273 A 3